作者中心
专家审稿
责编办公
编辑办公全文下载排行
1
2026, 15(2): 387-408.
摘要
4613KB
深度学习虽已成为合成孔径雷达(SAR)图像目标检测领域主流方法，但其性能高度依赖于大规模标注数据集。在测试不同分布的SAR数据时，模型的检测性能会出现一定程度下降，难以直接迁移应用，且人工标注成本高昂。针对此瓶颈，学术界开始探索基于多源信息的跨域学习策略，通过整合不同来源(传感器)的光学遥感图像或异源SAR图像等先验信息，辅助检测模型实现跨域知识迁移。该文聚焦深度学习框架下的跨域学习技术，系统梳理该领域最新研究进展，分析该领域的核心问题，从方法论层面分析现有技术的核心优势与适用场景，并基于技术演进规律提出未来发展方向，旨在为提升SAR图像目标检测的泛化能力提供理论支撑与方法论参考。
深度学习虽已成为合成孔径雷达(SAR)图像目标检测领域主流方法，但其性能高度依赖于大规模标注数据集。在测试不同分布的SAR数据时，模型的检测性能会出现一定程度下降，难以直接迁移应用，且人工标注成本高昂。针对此瓶颈，学术界开始探索基于多源信息的跨域学习策略，通过整合不同来源(传感器)的光学遥感图像或异源SAR图像等先验信息，辅助检测模型实现跨域知识迁移。该文聚焦深度学习框架下的跨域学习技术，系统梳理该领域最新研究进展，分析该领域的核心问题，从方法论层面分析现有技术的核心优势与适用场景，并基于技术演进规律提出未来发展方向，旨在为提升SAR图像目标检测的泛化能力提供理论支撑与方法论参考。
2
2026, 15(2): 409-440.
合成孔径雷达(SAR)在军事和民用领域应用广泛，SAR图像目标智能解译是SAR应用的重要组成部分。视觉语言模型在SAR目标解译过程中发挥了关键作用，通过引入自然语言理解有效弥补了SAR目标特性差异大和高质量标注样本稀缺的挑战，实现了从纯视觉解译到目标语义理解的发展。该文结合团队在SAR目标解译理论、算法及应用等方面的长期研究积累，对基于视觉语言的SAR图像目标智能解译进行了全面回顾和综述，深入分析了现有挑战和任务并总结了研究现状，汇总整理了公开数据集，系统梳理了从特定任务的视觉语言模型到对比式、对话式和生成式视觉语言模型和基础模型的发展历程，最后探讨了该领域的最新挑战与展望。
合成孔径雷达(SAR)在军事和民用领域应用广泛，SAR图像目标智能解译是SAR应用的重要组成部分。视觉语言模型在SAR目标解译过程中发挥了关键作用，通过引入自然语言理解有效弥补了SAR目标特性差异大和高质量标注样本稀缺的挑战，实现了从纯视觉解译到目标语义理解的发展。该文结合团队在SAR目标解译理论、算法及应用等方面的长期研究积累，对基于视觉语言的SAR图像目标智能解译进行了全面回顾和综述，深入分析了现有挑战和任务并总结了研究现状，汇总整理了公开数据集，系统梳理了从特定任务的视觉语言模型到对比式、对话式和生成式视觉语言模型和基础模型的发展历程，最后探讨了该领域的最新挑战与展望。
3
2026, 15(2): 583-604.
雷达高分辨距离像(HRRP)目标识别研究广泛、方法众多，特别是深度学习在雷达HRRP识别领域的应用与发展，为直接利用雷达回波实现高效、精确的目标感知提供了技术支撑。然而，深层识别网络依赖大量训练数据。对于非合作目标，受雷达系统参数、目标快速机动等因素限制，实际很难提前获取姿态完备的HRRP训练样本，深层识别网络面临学习过拟合、泛化能力显著下降的问题。针对上述问题，考虑关注目标的全姿态电磁仿真数据易获取，该文以仿真数据为辅助，从数据扩充和跨域知识迁移学习两方面来缓解小样本问题。数据扩充方面，结合一定姿态角角域范围内仿真、实测HRRP在均值和方差特性两方面的差异分析，对与少量实测HRRP同角域的大量仿真HRRP样本进行线性变换，使其均值、方差满足实测域HRRP特性，实现可表征真实HRRP分布特性的数据扩充。跨域知识迁移学习方面，考虑数据扩充策略仅能实现临近姿态角的样本扩充，对仿真数据知识的利用仍不充分，所提方法利用基于生成对抗约束的域对齐策略和基于对比学习约束的类对齐策略，将具有强可分性与泛化性的仿真域全姿态数据特征和实测域特征按类拉近，进一步辅助实测域数据的学习，实现小样本识别性能的更大提升。基于3类飞机目标以及10类地面车辆目标电磁仿真和实测HRRP数据的实验表明，所提方法相较于现有小样本识别方法具有更优的识别稳健性。
雷达高分辨距离像(HRRP)目标识别研究广泛、方法众多，特别是深度学习在雷达HRRP识别领域的应用与发展，为直接利用雷达回波实现高效、精确的目标感知提供了技术支撑。然而，深层识别网络依赖大量训练数据。对于非合作目标，受雷达系统参数、目标快速机动等因素限制，实际很难提前获取姿态完备的HRRP训练样本，深层识别网络面临学习过拟合、泛化能力显著下降的问题。针对上述问题，考虑关注目标的全姿态电磁仿真数据易获取，该文以仿真数据为辅助，从数据扩充和跨域知识迁移学习两方面来缓解小样本问题。数据扩充方面，结合一定姿态角角域范围内仿真、实测HRRP在均值和方差特性两方面的差异分析，对与少量实测HRRP同角域的大量仿真HRRP样本进行线性变换，使其均值、方差满足实测域HRRP特性，实现可表征真实HRRP分布特性的数据扩充。跨域知识迁移学习方面，考虑数据扩充策略仅能实现临近姿态角的样本扩充，对仿真数据知识的利用仍不充分，所提方法利用基于生成对抗约束的域对齐策略和基于对比学习约束的类对齐策略，将具有强可分性与泛化性的仿真域全姿态数据特征和实测域特征按类拉近，进一步辅助实测域数据的学习，实现小样本识别性能的更大提升。基于3类飞机目标以及10类地面车辆目标电磁仿真和实测HRRP数据的实验表明，所提方法相较于现有小样本识别方法具有更优的识别稳健性。
4
状态: , 更新:
基于海量图文数据预训练的大规模视觉语言模型(VLM)在自然图像领域表现出色，但将其迁移至合成孔径雷达(SAR)图像领域面临两大挑战：一是SAR图像高质量文本标注成本高昂，限制了SAR图文配对数据集的构建；二是SAR图像与光学自然图像在图像特征上存在显著差异，增加了跨域知识迁移难度。针对上述问题，该文提出一种面向SAR图像的视觉语言大模型知识迁移方法。首先，利用配对的SAR与光学遥感图像，借助生成式视觉语言大模型为光学遥感图像自动生成文本描述，从而以较低成本间接构建了SAR图文配对数据集。其次，设计了两阶段迁移策略，将自然图像领域向SAR图像领域的大跨度迁移进行拆解，降低单次迁移难度。最后，在SAR图像零样本场景分类、检索以及目标识别任务上进行实验验证，实验结果表明所提方法能够有效实现视觉语言大模型向SAR图像领域的知识迁移。
基于海量图文数据预训练的大规模视觉语言模型(VLM)在自然图像领域表现出色，但将其迁移至合成孔径雷达(SAR)图像领域面临两大挑战：一是SAR图像高质量文本标注成本高昂，限制了SAR图文配对数据集的构建；二是SAR图像与光学自然图像在图像特征上存在显著差异，增加了跨域知识迁移难度。针对上述问题，该文提出一种面向SAR图像的视觉语言大模型知识迁移方法。首先，利用配对的SAR与光学遥感图像，借助生成式视觉语言大模型为光学遥感图像自动生成文本描述，从而以较低成本间接构建了SAR图文配对数据集。其次，设计了两阶段迁移策略，将自然图像领域向SAR图像领域的大跨度迁移进行拆解，降低单次迁移难度。最后，在SAR图像零样本场景分类、检索以及目标识别任务上进行实验验证，实验结果表明所提方法能够有效实现视觉语言大模型向SAR图像领域的知识迁移。
5
2023, 12(2): 456-469.
海上目标检测识别受制于海上目标及海杂波环境特性，基于实测数据认知海上目标的本质特征有利于推进目标检测识别技术进步。针对海上目标散射特性数据不足的问题，升级“雷达对海探测数据共享计划(SDRDSP)”，扩展雷达目标观测的物理维度、提升雷达及辅助数据采集能力，获取不同极化、海况下的海上目标及环境数据，构建海上目标双极化多海况散射特性数据集，并分析其统计分布特性、时间与空间相关性和多普勒谱特性，为数据使用提供支持。后续将推进海上目标类型与数量的持续积累，为海上目标检测识别性能提升和智能化发展提供数据支持。
海上目标检测识别受制于海上目标及海杂波环境特性，基于实测数据认知海上目标的本质特征有利于推进目标检测识别技术进步。针对海上目标散射特性数据不足的问题，升级“雷达对海探测数据共享计划(SDRDSP)”，扩展雷达目标观测的物理维度、提升雷达及辅助数据采集能力，获取不同极化、海况下的海上目标及环境数据，构建海上目标双极化多海况散射特性数据集，并分析其统计分布特性、时间与空间相关性和多普勒谱特性，为数据使用提供支持。后续将推进海上目标类型与数量的持续积累，为海上目标检测识别性能提升和智能化发展提供数据支持。
6
2026, 15(2): 503-522.
合成孔径雷达(SAR)具备全天时全天候的海上监视能力。在距离压缩域(RCD)直接进行舰船目标检测，可规避计算密集的成像步骤(如距离徙动校正与方位压缩)，从而显著提升处理效率，适用于近实时或实时处理场景。然而，现有检测方法存在固有局限：一方面，传统恒虚警率(CFAR)检测器依赖于固定统计模型，在复杂海杂波环境下表现不佳；另一方面，深度学习方法普遍存在依赖已标注数据、解释性弱以及相位信息利用不充分等问题。为此，该文提出了一种基于自监督强化学习的SAR距离压缩域舰船目标检测框架，通过融合雷达电磁散射模型与深度强化学习，在提升检测性能的同时增强模型的解释性与泛化能力。该框架具有以下特点：(1)引入统计模型约束的奖励信号生成机制，实现了无须人工标注的自监督学习；(2)设计双模态特征融合模块，能够联合表征幅度与相位信息，有效保留舰船的多普勒特征；(3)提出轻量化的智能体模块，集成轻量化Q网络、自适应特征增强模块和鉴别器网络，在降低计算复杂度的同时满足实时处理需求，并借助对抗性训练增强模型的鲁棒性。实验结果表明，所提方法在近20 k×20 k像素的大场景SAR距离压缩域数据上的平均推理时间仅为31.75 s，计算量仅为二维卷积神经网络的23.81%。在复数RCD数据集上，该方法的F1分数与召回率分别达到50.72%和54.28%，相较于主流自监督检测方法提升了8.76%和10.45%。该研究首次将强化学习引入SAR距离压缩域舰船检测，通过信号模型与数据驱动学习的结合，为实现稳健的海上监视提供了新思路。
合成孔径雷达(SAR)具备全天时全天候的海上监视能力。在距离压缩域(RCD)直接进行舰船目标检测，可规避计算密集的成像步骤(如距离徙动校正与方位压缩)，从而显著提升处理效率，适用于近实时或实时处理场景。然而，现有检测方法存在固有局限：一方面，传统恒虚警率(CFAR)检测器依赖于固定统计模型，在复杂海杂波环境下表现不佳；另一方面，深度学习方法普遍存在依赖已标注数据、解释性弱以及相位信息利用不充分等问题。为此，该文提出了一种基于自监督强化学习的SAR距离压缩域舰船目标检测框架，通过融合雷达电磁散射模型与深度强化学习，在提升检测性能的同时增强模型的解释性与泛化能力。该框架具有以下特点：(1)引入统计模型约束的奖励信号生成机制，实现了无须人工标注的自监督学习；(2)设计双模态特征融合模块，能够联合表征幅度与相位信息，有效保留舰船的多普勒特征；(3)提出轻量化的智能体模块，集成轻量化Q网络、自适应特征增强模块和鉴别器网络，在降低计算复杂度的同时满足实时处理需求，并借助对抗性训练增强模型的鲁棒性。实验结果表明，所提方法在近20 k×20 k像素的大场景SAR距离压缩域数据上的平均推理时间仅为31.75 s，计算量仅为二维卷积神经网络的23.81%。在复数RCD数据集上，该方法的F1分数与召回率分别达到50.72%和54.28%，相较于主流自监督检测方法提升了8.76%和10.45%。该研究首次将强化学习引入SAR距离压缩域舰船检测，通过信号模型与数据驱动学习的结合，为实现稳健的海上监视提供了新思路。
7
状态: , 更新:
低空目标对机场等空域安全的威胁日趋显著，其精准探测与识别是雷达系统亟待解决的关键问题，而高质量的雷达实测数据集是推进低空目标识别的核心基础。然而，现有公开雷达低空目标数据集多为仿真数据或近距离采集数据，难以真实反映和验证远距离场景下雷达目标识别性能。因此，该文构建了基于全息凝视雷达(HSR)的低空目标探测识别数据集，完成了外场环境下典型低空目标的实测数据采集与识别验证。该数据集涵盖多旋翼无人机、雀类、大型迁徙鸟等典型目标，以及悬停、盘旋、径向飞行等典型运动场景，并且同步提供目标多普勒瀑布图与雷达实测航迹信息(含方位角、俯仰角、径向速度、归一化信噪比)，为探索目标精细化特征与运动状态的内在关联提供了数据支撑。在此基础上，该文采用多模态自适应特征融合网络，提取不同目标的多普勒特征与运动学特征并进行融合，验证了区分不同类型低空目标的有效性。
低空目标对机场等空域安全的威胁日趋显著，其精准探测与识别是雷达系统亟待解决的关键问题，而高质量的雷达实测数据集是推进低空目标识别的核心基础。然而，现有公开雷达低空目标数据集多为仿真数据或近距离采集数据，难以真实反映和验证远距离场景下雷达目标识别性能。因此，该文构建了基于全息凝视雷达(HSR)的低空目标探测识别数据集，完成了外场环境下典型低空目标的实测数据采集与识别验证。该数据集涵盖多旋翼无人机、雀类、大型迁徙鸟等典型目标，以及悬停、盘旋、径向飞行等典型运动场景，并且同步提供目标多普勒瀑布图与雷达实测航迹信息(含方位角、俯仰角、径向速度、归一化信噪比)，为探索目标精细化特征与运动状态的内在关联提供了数据支撑。在此基础上，该文采用多模态自适应特征融合网络，提取不同目标的多普勒特征与运动学特征并进行融合，验证了区分不同类型低空目标的有效性。
8
2026, 15(2): 441-462.
合成孔径雷达(SAR)作为一种主动微波遥感系统，具有“全天时、全天候”的观测能力，在灾害监测、城市管理及军事侦察等领域发挥着重要应用价值。尽管深度学习技术已推动SAR图像解译取得了显著进展，但现有目标识别与检测方法多聚焦于局部特征提取与单一目标判别，难以全面刻画复杂场景的整体语义结构与多目标关系，且解译流程仍高度依赖专业人员，自动化水平有限。SAR图像描述旨在将视觉信息转化为自然语言，是从“感知目标”向“认知场景”跨越的关键技术，对于提升SAR图像解译的自动化与智能化水平具有重要意义。然而，SAR图像固有的相干斑噪声干扰、纹理细节匮乏、语义鸿沟显著进一步加剧了跨模态理解的难度。针对上述问题，该文提出一种基于空间-频率感知的SAR图像描述方法(DGS-CapNet)。首先，构建空间-频域感知模块，利用离散余弦变换(DCT)掩码注意力机制对频谱成分加权以抑制噪声并强化结构特征，同时结合Gabor多尺度纹理增强模块提升对方向与边缘细节的感知能力；其次，设计跨模态语义增强损失函数，通过双向对比损失与最大互信息损失，有效缩减视觉特征与自然语言间的语义鸿沟。此外，我们还构建了包含72400 条高质量图文对的大规模细粒度SAR图像描述数据集FSAR-Cap。实验结果表明，该方法在SARLANG和FSAR-Cap数据集上的CIDEr指标分别达到151.00和95.14。定性分析表明，该模型有效抑制了幻觉，并准确捕捉了细粒度的空间纹理细节，显著优于主流方法。
合成孔径雷达(SAR)作为一种主动微波遥感系统，具有“全天时、全天候”的观测能力，在灾害监测、城市管理及军事侦察等领域发挥着重要应用价值。尽管深度学习技术已推动SAR图像解译取得了显著进展，但现有目标识别与检测方法多聚焦于局部特征提取与单一目标判别，难以全面刻画复杂场景的整体语义结构与多目标关系，且解译流程仍高度依赖专业人员，自动化水平有限。SAR图像描述旨在将视觉信息转化为自然语言，是从“感知目标”向“认知场景”跨越的关键技术，对于提升SAR图像解译的自动化与智能化水平具有重要意义。然而，SAR图像固有的相干斑噪声干扰、纹理细节匮乏、语义鸿沟显著进一步加剧了跨模态理解的难度。针对上述问题，该文提出一种基于空间-频率感知的SAR图像描述方法(DGS-CapNet)。首先，构建空间-频域感知模块，利用离散余弦变换(DCT)掩码注意力机制对频谱成分加权以抑制噪声并强化结构特征，同时结合Gabor多尺度纹理增强模块提升对方向与边缘细节的感知能力；其次，设计跨模态语义增强损失函数，通过双向对比损失与最大互信息损失，有效缩减视觉特征与自然语言间的语义鸿沟。此外，我们还构建了包含72400 条高质量图文对的大规模细粒度SAR图像描述数据集FSAR-Cap。实验结果表明，该方法在SARLANG和FSAR-Cap数据集上的CIDEr指标分别达到151.00和95.14。定性分析表明，该模型有效抑制了幻觉，并准确捕捉了细粒度的空间纹理细节，显著优于主流方法。
9
2025, 14(3): 754-780.
海上目标检测识别技术发展需要大量高质量的海上目标多传感器实测数据。针对这一需求，“雷达对海探测数据共享计划(SDRDSP)”升级为“海上目标数据共享计划(MTDSP)”，利用HH极化雷达、VV极化雷达、光电设备、AIS设备开展海上船只目标多源观测试验，获取雷达中频/视频回波切片数据、可见光与红外图像数据、AIS静态与动态报文数据、气象水文数据，覆盖典型海况和多种船型，构建涵盖多种类型海上目标的多源观测数据集，完成同一目标多种模态数据的匹配和标注，并实现目标数据的自动入库管理、条件检索和批量导出，为海上目标特性数据自动获取、长期积累与使用奠定基础。在此基础上，基于实测数据对比分析了不同海况、姿态、极化条件下同一船只目标的时域/频域特征、不同类型船只目标的时域/频域特征，形成了目标特征变化的统计结论。
海上目标检测识别技术发展需要大量高质量的海上目标多传感器实测数据。针对这一需求，“雷达对海探测数据共享计划(SDRDSP)”升级为“海上目标数据共享计划(MTDSP)”，利用HH极化雷达、VV极化雷达、光电设备、AIS设备开展海上船只目标多源观测试验，获取雷达中频/视频回波切片数据、可见光与红外图像数据、AIS静态与动态报文数据、气象水文数据，覆盖典型海况和多种船型，构建涵盖多种类型海上目标的多源观测数据集，完成同一目标多种模态数据的匹配和标注，并实现目标数据的自动入库管理、条件检索和批量导出，为海上目标特性数据自动获取、长期积累与使用奠定基础。在此基础上，基于实测数据对比分析了不同海况、姿态、极化条件下同一船只目标的时域/频域特征、不同类型船只目标的时域/频域特征，形成了目标特征变化的统计结论。
10
2025, 14(5): 1276-1293.
该文针对飞鸟和无人机等低慢小目标精细化特征提取和分类问题，提出了一种多波段多角度特征融合分类方法。首先分别基于K波段和L波段调频连续波雷达从多个角度采集了5种类型旋翼无人机和飞鸟模型数据，构建低慢小探测数据集。其次，为了获取L波段目标信号的周期性振动特征，利用经验模态分解提取L波段信号中高频特征，抑制噪声影响；对K波段回波信号进行短时傅里叶变换，获得多角度高分辨微动特征。然后，设计了一种多波段多角度特征融合网络模型(MMFFNet)，包含改进的卷积长短期记忆网络时序特征提取模块、注意力融合模块和多尺度特征融合模块，通过多波段多角度特征的融合提高了目标分类的准确率。通过实测数据集验证表明，与使用单一雷达特征分类方法相比，在高信噪比为5 dB和低信噪比为–3 dB条件下所提方法对7种类型的低慢小目标的正确分类准确率分别提高了3.1%和12.3%。
该文针对飞鸟和无人机等低慢小目标精细化特征提取和分类问题，提出了一种多波段多角度特征融合分类方法。首先分别基于K波段和L波段调频连续波雷达从多个角度采集了5种类型旋翼无人机和飞鸟模型数据，构建低慢小探测数据集。其次，为了获取L波段目标信号的周期性振动特征，利用经验模态分解提取L波段信号中高频特征，抑制噪声影响；对K波段回波信号进行短时傅里叶变换，获得多角度高分辨微动特征。然后，设计了一种多波段多角度特征融合网络模型(MMFFNet)，包含改进的卷积长短期记忆网络时序特征提取模块、注意力融合模块和多尺度特征融合模块，通过多波段多角度特征的融合提高了目标分类的准确率。通过实测数据集验证表明，与使用单一雷达特征分类方法相比，在高信噪比为5 dB和低信噪比为–3 dB条件下所提方法对7种类型的低慢小目标的正确分类准确率分别提高了3.1%和12.3%。
11
2021, 10(4): 571-594.
近年来，以卷积神经网络为代表的深度识别模型取得重要突破，不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征，依赖大规模高质量训练数据，只能提供有限的可靠性能保证。深度卷积神经网络图像识别模型很容易被视觉不可感知的微小对抗扰动欺骗，给其在医疗、安防、自动驾驶和军事等安全敏感领域的广泛部署带来巨大隐患。该文首先从信息安全角度分析了基于深度卷积神经网络的图像识别系统潜在安全风险，并重点讨论了投毒攻击和逃避攻击特性及对抗脆弱性成因；其次给出了对抗鲁棒性的基本定义，分别建立对抗学习攻击与防御敌手模型，系统总结了对抗样本攻击、主被动对抗防御、对抗鲁棒性评估技术的研究进展，并结合SAR图像目标识别对抗攻击实例分析了典型方法特性；最后结合团队研究工作，指出存在的开放性问题，为提升深度卷积神经网络图像识别模型在开放、动态、对抗环境中的鲁棒性提供参考。
近年来，以卷积神经网络为代表的深度识别模型取得重要突破，不断刷新光学和SAR图像场景分类、目标检测、语义分割与变化检测等多项任务性能水平。然而深度识别模型以统计学习为主要特征，依赖大规模高质量训练数据，只能提供有限的可靠性能保证。深度卷积神经网络图像识别模型很容易被视觉不可感知的微小对抗扰动欺骗，给其在医疗、安防、自动驾驶和军事等安全敏感领域的广泛部署带来巨大隐患。该文首先从信息安全角度分析了基于深度卷积神经网络的图像识别系统潜在安全风险，并重点讨论了投毒攻击和逃避攻击特性及对抗脆弱性成因；其次给出了对抗鲁棒性的基本定义，分别建立对抗学习攻击与防御敌手模型，系统总结了对抗样本攻击、主被动对抗防御、对抗鲁棒性评估技术的研究进展，并结合SAR图像目标识别对抗攻击实例分析了典型方法特性；最后结合团队研究工作，指出存在的开放性问题，为提升深度卷积神经网络图像识别模型在开放、动态、对抗环境中的鲁棒性提供参考。
12
状态: , 更新:
针对低慢小(LSS)目标雷达分类中存在的特征提取不充分、时空关联建模能力薄弱及分类性能欠佳等问题，该文围绕图网络特征提取和分类技术开展研究。首先，聚焦数字阵泛探雷达，构建了雷达低慢小目标探测数据集LSS-DAUR-1.0，包含客轮、快艇、直升机、旋翼无人机、鸟类与固定翼无人机6类目标的多普勒和航迹数据。其次，基于该数据集分析了目标的多域多维特性，通过相关性和余弦相似度分析，验证了多普勒特征与物理运动特征的互补性。在此基础上，提出融合双特征的动态图图卷积网络(DG-GCN)分类方法设计自适应窗口调整、混合衰减函数和动态阈值机制，构建时空关联自适应动态图，结合图卷积特征学习和分类模块，实现对低慢小目标的精细化分类。LSS-DAUR-1.0数据集验证表明，DG-GCN分类准确率达99.66%，较ResNet和Transformer模型分别提升6.78%和17.97%，总处理时间仅4.98 ms，较对比模型降低80%以上，兼顾高精度与高效性。此外，噪声环境测试其鲁棒性良好。消融实验验证，动态边权机制可弥补纯时序连接的空间特征关联上不足，提升模型泛化能力。
针对低慢小(LSS)目标雷达分类中存在的特征提取不充分、时空关联建模能力薄弱及分类性能欠佳等问题，该文围绕图网络特征提取和分类技术开展研究。首先，聚焦数字阵泛探雷达，构建了雷达低慢小目标探测数据集LSS-DAUR-1.0，包含客轮、快艇、直升机、旋翼无人机、鸟类与固定翼无人机6类目标的多普勒和航迹数据。其次，基于该数据集分析了目标的多域多维特性，通过相关性和余弦相似度分析，验证了多普勒特征与物理运动特征的互补性。在此基础上，提出融合双特征的动态图图卷积网络(DG-GCN)分类方法设计自适应窗口调整、混合衰减函数和动态阈值机制，构建时空关联自适应动态图，结合图卷积特征学习和分类模块，实现对低慢小目标的精细化分类。LSS-DAUR-1.0数据集验证表明，DG-GCN分类准确率达99.66%，较ResNet和Transformer模型分别提升6.78%和17.97%，总处理时间仅4.98 ms，较对比模型降低80%以上，兼顾高精度与高效性。此外，噪声环境测试其鲁棒性良好。消融实验验证，动态边权机制可弥补纯时序连接的空间特征关联上不足，提升模型泛化能力。
13
2026, 15(2): 605-619.
以旋翼无人机为代表的低空目标可采用慢速巡航模式，使自身回波落于雷达多普勒盲区内，以躲避雷达检测跟踪。此外，低空环境中存在的复杂地固杂波，更进一步加剧了雷达对慢速目标的检测跟踪任务难度。为解决上述问题，该文基于随机有限集框架，提出一种基于低空监视雷达的慢速目标跟踪方法。首先基于贝叶斯占用滤波思想，将雷达监视区域分割为沿角度-距离向的均匀网格，并依据慢速目标与地固杂波的动力学特性差异设计自适应滤波参数模块；之后，基于概率假设密度滤波器对多普勒盲区内的网格数据进行统一的滤波处理；最后，利用聚类方法从滤波结果中提取感兴趣目标的信息，实现对慢速目标的检测跟踪。在包含多个慢速目标、环境噪声、面杂波及地固点杂波的典型低空监视场景下，结合实测背景杂波数据的实验证明了所提算法对多个低空慢速目标跟踪的有效性、稳健性及性能优势。
以旋翼无人机为代表的低空目标可采用慢速巡航模式，使自身回波落于雷达多普勒盲区内，以躲避雷达检测跟踪。此外，低空环境中存在的复杂地固杂波，更进一步加剧了雷达对慢速目标的检测跟踪任务难度。为解决上述问题，该文基于随机有限集框架，提出一种基于低空监视雷达的慢速目标跟踪方法。首先基于贝叶斯占用滤波思想，将雷达监视区域分割为沿角度-距离向的均匀网格，并依据慢速目标与地固杂波的动力学特性差异设计自适应滤波参数模块；之后，基于概率假设密度滤波器对多普勒盲区内的网格数据进行统一的滤波处理；最后，利用聚类方法从滤波结果中提取感兴趣目标的信息，实现对慢速目标的检测跟踪。在包含多个慢速目标、环境噪声、面杂波及地固点杂波的典型低空监视场景下，结合实测背景杂波数据的实验证明了所提算法对多个低空慢速目标跟踪的有效性、稳健性及性能优势。
14
2026, 15(2): 463-478.
成像几何差异是引起SAR图像特征相对畸变的主要原因，进而导致SAR图像的匹配难度骤增。以仿真SAR图像作为参考图可以从根本上消除因成像几何差异造成的图像特征相对畸变，然而实测SAR图像与仿真SAR图像仍然会存在散射和噪声方面的差异，且现有的匹配算法基本采用对称式关键点检测及描述符匹配，因此匹配点的数量和精度仍然有待提升。针对上述问题，该文根据实测和仿真SAR图像的局部统计特征提出了非对称式的局部拟合一致性相似度度量准则，并基于该相似度设计了机载SAR图像与仿真SAR图像的粗匹配和精匹配方法，在此基础上引入地形特征提高关键点检测的多样性，最终实现实测机载SAR图像与仿真SAR图像的鲁棒匹配。实验结果表明，在不同噪声程度下，基于局部拟合一致性度量准则设计匹配方法具备更强的鲁棒性和准确性，在匹配精度等多方面指标上均显著优于现有主流算法。
成像几何差异是引起SAR图像特征相对畸变的主要原因，进而导致SAR图像的匹配难度骤增。以仿真SAR图像作为参考图可以从根本上消除因成像几何差异造成的图像特征相对畸变，然而实测SAR图像与仿真SAR图像仍然会存在散射和噪声方面的差异，且现有的匹配算法基本采用对称式关键点检测及描述符匹配，因此匹配点的数量和精度仍然有待提升。针对上述问题，该文根据实测和仿真SAR图像的局部统计特征提出了非对称式的局部拟合一致性相似度度量准则，并基于该相似度设计了机载SAR图像与仿真SAR图像的粗匹配和精匹配方法，在此基础上引入地形特征提高关键点检测的多样性，最终实现实测机载SAR图像与仿真SAR图像的鲁棒匹配。实验结果表明，在不同噪声程度下，基于局部拟合一致性度量准则设计匹配方法具备更强的鲁棒性和准确性，在匹配精度等多方面指标上均显著优于现有主流算法。
15
状态: , 更新:
在复杂电磁环境与多目标协同探测需求的驱动下，通过自主协同技术提升雷达探测群的综合效能，已成为雷达协同探测领域的重要研究方向。国内外围绕该方向开展了广泛研究，在理论创新、技术验证与装备应用等方面取得了丰硕成果。该文首先系统梳理了雷达探测群自主协同的概念内涵与核心特征，在此基础上深入剖析了其在工程化实现与效能优化过程中面临的关键技术瓶颈；随后，围绕体系架构设计、协同感知、智能协同决策控制及自主协同演化4个维度，对近年来的代表性研究成果与技术路径进行了综述；最后，对该领域未来发展趋势进行了展望，以期为相关理论研究与工程实践提供参考。
在复杂电磁环境与多目标协同探测需求的驱动下，通过自主协同技术提升雷达探测群的综合效能，已成为雷达协同探测领域的重要研究方向。国内外围绕该方向开展了广泛研究，在理论创新、技术验证与装备应用等方面取得了丰硕成果。该文首先系统梳理了雷达探测群自主协同的概念内涵与核心特征，在此基础上深入剖析了其在工程化实现与效能优化过程中面临的关键技术瓶颈；随后，围绕体系架构设计、协同感知、智能协同决策控制及自主协同演化4个维度，对近年来的代表性研究成果与技术路径进行了综述；最后，对该领域未来发展趋势进行了展望，以期为相关理论研究与工程实践提供参考。
16
2026, 15(2): 543-562.
合理利用SAR对抗样本可以使得特定目标在智能探测技术下实现遥感隐身，从而避免被敌方探测或识别。数字域的SAR对抗方法仅在图像域进行攻击，缺乏物理可实现性，现有物理域对抗方法通过在目标周围布置角反射器、超表面，借助电磁计算模拟对抗样本，但由于散射估计精度低，实际保护效能受限。为解决上述问题，该文将SAR有源干扰技术与对抗攻击方法相结合，提出了基于有源干扰机的SAR智能识别对抗方法，在信号域扰动目标回波信号以生成对抗样本。首先，选择基于余弦幅度加权的多相位分段调制干扰技术，通过扰动分量的设计，实现对抗扰动信号的参数化控制；然后，基于SAR成像链路，将有源干扰机生成的对抗扰动信号与目标的回波信号融合，经成像处理得到具有物理意义的SAR对抗样本；最后，引入差分进化算法，动态调整多相位分段调制干扰的能量分布与空间覆盖范围等参数，进而优化SAR对抗样本，在干扰强度较小的情况下取得最佳攻击成功率。实验结果表明，所提方法在MSTAR数据集上实现平均90.88%的攻击成功率，并对5种SAR ATR模型具有较强的可转移性，其中最高可达75.57%。该方法实现了更具物理可实现性的对抗样本生成，为遥感探测中特定目标的安全防护开辟新的解决思路，并为真实场景下有源干扰信号的应用提供智能化指导。
合理利用SAR对抗样本可以使得特定目标在智能探测技术下实现遥感隐身，从而避免被敌方探测或识别。数字域的SAR对抗方法仅在图像域进行攻击，缺乏物理可实现性，现有物理域对抗方法通过在目标周围布置角反射器、超表面，借助电磁计算模拟对抗样本，但由于散射估计精度低，实际保护效能受限。为解决上述问题，该文将SAR有源干扰技术与对抗攻击方法相结合，提出了基于有源干扰机的SAR智能识别对抗方法，在信号域扰动目标回波信号以生成对抗样本。首先，选择基于余弦幅度加权的多相位分段调制干扰技术，通过扰动分量的设计，实现对抗扰动信号的参数化控制；然后，基于SAR成像链路，将有源干扰机生成的对抗扰动信号与目标的回波信号融合，经成像处理得到具有物理意义的SAR对抗样本；最后，引入差分进化算法，动态调整多相位分段调制干扰的能量分布与空间覆盖范围等参数，进而优化SAR对抗样本，在干扰强度较小的情况下取得最佳攻击成功率。实验结果表明，所提方法在MSTAR数据集上实现平均90.88%的攻击成功率，并对5种SAR ATR模型具有较强的可转移性，其中最高可达75.57%。该方法实现了更具物理可实现性的对抗样本生成，为遥感探测中特定目标的安全防护开辟新的解决思路，并为真实场景下有源干扰信号的应用提供智能化指导。
17
状态: , 更新:
涡旋电磁波雷达利用携带轨道角动量的电磁波进行探测，可以在波束内提供独特的方位分辨能力并增强目标散射信息，在目标检测、成像与识别中具有重要潜力。然而，面对日益复杂的探测场景，传统涡旋电磁波雷达受限于电子器件带宽瓶颈，在宽带信号产生与调控方面面临巨大挑战，难以兼顾高距离分辨率与高方位分辨率。微波光子技术凭借其超宽带、低损耗及抗电磁干扰等天然优势，为突破上述限制提供了有效途径。该文介绍了微波光子宽带涡旋电磁波雷达的研究进展及其在前视成像领域的应用能力。首先，阐述了基于微波光子技术的宽带涡旋电磁信号收发架构与成像机理，深入分析了宽带条件下涡旋电磁波的频率依赖特性及其对成像的影响。其次，梳理了微波光子宽带移相、光控波束形成及宽带信号产生等关键技术，阐明其相较于传统电子方案的显著性能优势。在此基础上，展示了3种典型的微波光子宽带涡旋电磁波雷达系统方案，并通过原理样机实验验证了其在前视场景下的高分辨成像能力。最后，对微波光子宽带涡旋电磁波雷达未来的发展趋势进行了展望。
涡旋电磁波雷达利用携带轨道角动量的电磁波进行探测，可以在波束内提供独特的方位分辨能力并增强目标散射信息，在目标检测、成像与识别中具有重要潜力。然而，面对日益复杂的探测场景，传统涡旋电磁波雷达受限于电子器件带宽瓶颈，在宽带信号产生与调控方面面临巨大挑战，难以兼顾高距离分辨率与高方位分辨率。微波光子技术凭借其超宽带、低损耗及抗电磁干扰等天然优势，为突破上述限制提供了有效途径。该文介绍了微波光子宽带涡旋电磁波雷达的研究进展及其在前视成像领域的应用能力。首先，阐述了基于微波光子技术的宽带涡旋电磁信号收发架构与成像机理，深入分析了宽带条件下涡旋电磁波的频率依赖特性及其对成像的影响。其次，梳理了微波光子宽带移相、光控波束形成及宽带信号产生等关键技术，阐明其相较于传统电子方案的显著性能优势。在此基础上，展示了3种典型的微波光子宽带涡旋电磁波雷达系统方案，并通过原理样机实验验证了其在前视场景下的高分辨成像能力。最后，对微波光子宽带涡旋电磁波雷达未来的发展趋势进行了展望。
18
2026, 15(2): 687-709.
地球同步轨道(GEO)合成孔径雷达(SAR)具有对大区域进行连续观测的优势，但由于探测距离远、合成孔径时间长、大视场杂波累加和非平直观测几何的特点，利用GEO SAR对运动舰船探测存在成像聚焦困难、信杂比低、位置偏移大等巨大技术挑战。该文提出一种面向GEO SAR的运动舰船探测-跟踪-定位一体化处理新方法，可有效解决上述难题。该文首先建立了GEO SAR对运动舰船的观测信号模型，深入分析了超长合成孔径时间内运动舰船的回波特性，提出了基于最优子孔径处理实现目标成像探测和长时间跟踪定位方法，该方法通过改进BP成像算法在孔径内实现了低信杂比下非合作舰船能量良好积累聚焦，获得了GEO SAR非平直几何观测下复杂运动舰船目标偏移位置与距离多普勒关系；然后，基于舰船短时匀速运动假设，利用双向平滑滤波方法对多子孔径探测结果进行航迹跟踪，并基于长时间跟踪结果获得运动舰船速度估计，在此基础上利用偏移位置与实际位置距离多普勒关系实现了运动舰船重定位。最后，通过仿真数据和在轨GEO SAR卫星实测数据验证了所提方法的正确性。
地球同步轨道(GEO)合成孔径雷达(SAR)具有对大区域进行连续观测的优势，但由于探测距离远、合成孔径时间长、大视场杂波累加和非平直观测几何的特点，利用GEO SAR对运动舰船探测存在成像聚焦困难、信杂比低、位置偏移大等巨大技术挑战。该文提出一种面向GEO SAR的运动舰船探测-跟踪-定位一体化处理新方法，可有效解决上述难题。该文首先建立了GEO SAR对运动舰船的观测信号模型，深入分析了超长合成孔径时间内运动舰船的回波特性，提出了基于最优子孔径处理实现目标成像探测和长时间跟踪定位方法，该方法通过改进BP成像算法在孔径内实现了低信杂比下非合作舰船能量良好积累聚焦，获得了GEO SAR非平直几何观测下复杂运动舰船目标偏移位置与距离多普勒关系；然后，基于舰船短时匀速运动假设，利用双向平滑滤波方法对多子孔径探测结果进行航迹跟踪，并基于长时间跟踪结果获得运动舰船速度估计，在此基础上利用偏移位置与实际位置距离多普勒关系实现了运动舰船重定位。最后，通过仿真数据和在轨GEO SAR卫星实测数据验证了所提方法的正确性。
19
2026, 15(2): 746-758.
通过对海面起伏场进行分析，不仅可获取常用的海浪统计参数，还能细致描述单个波浪的特性、检测异常巨浪、研究波群与波组的演变过程，从而更精准地描述大面积非均匀海况。该文基于准线性模型，提出一套适用于高分三号合成孔径雷达(SAR)图像的海面起伏场反演方案。该方案不依赖外部辅助数据，可在10 s内完成单景SAR数据的海面起伏场快速反演，并有效提取沿距离向传播的波浪信息。通过3种典型海况下的反演实例，体现出该方法在提取最大波高、识别波群与波组结构等方面的优势。进一步将2405景高分三号波模式SAR图像的反演结果与ERA5再分析海浪谱及高度计实测数据进行对比。结果显示，反演有效波高与ERA5数据的均方根误差为0.48 m。在有效波高低于3 m的中低海况下，反演有效波高与ERA5及高度计数据均保持良好一致性。该研究为基于高分三号SAR的海况信息快速监测与分析提供了有效工具。
通过对海面起伏场进行分析，不仅可获取常用的海浪统计参数，还能细致描述单个波浪的特性、检测异常巨浪、研究波群与波组的演变过程，从而更精准地描述大面积非均匀海况。该文基于准线性模型，提出一套适用于高分三号合成孔径雷达(SAR)图像的海面起伏场反演方案。该方案不依赖外部辅助数据，可在10 s内完成单景SAR数据的海面起伏场快速反演，并有效提取沿距离向传播的波浪信息。通过3种典型海况下的反演实例，体现出该方法在提取最大波高、识别波群与波组结构等方面的优势。进一步将2405景高分三号波模式SAR图像的反演结果与ERA5再分析海浪谱及高度计实测数据进行对比。结果显示，反演有效波高与ERA5数据的均方根误差为0.48 m。在有效波高低于3 m的中低海况下，反演有效波高与ERA5及高度计数据均保持良好一致性。该研究为基于高分三号SAR的海况信息快速监测与分析提供了有效工具。
20
2026, 15(2): 759-778.
海流在全球气候调节中具有重要作用。合成孔径雷达(SAR)凭借其对海表多普勒频移的观测能力，为高分辨率海流探测提供了有效的数据支撑。然而，SAR多普勒频移含有多种贡献项，要从中准确反演海流，需要进行非地球物理校正，并准确估算风-浪致多普勒频移的贡献。该研究基于Sentinel-1 SAR多普勒频移观测数据，在完成精确的非地球物理校正后，构建了经粒子群算法优化的BPNN与XGBoost模型描述SAR风-浪致多普勒频移与海面风-浪参数间的非线性映射关系，并通过系统对比评估确定了性能更优的模型，实现了海流流速的高精度反演。结果表明，与BPNN模型相比，XGBoost模型在性能上实现了显著提升。XGBoost模型估计的多普勒频移均方根误差(RMSE)约为4.043 Hz，较BPNN模型降低了2.898 Hz；与HYCOM海流相比，XGBoost模型反演海流的RMSE约为0.202 m/s，较BPNN模型降低了0.122 m/s；与HF雷达观测流速对比，XGBoost模型反演海流的RMSE为0.21 m/s，较BPNN降低了16%。该研究为星载SAR海流反演提供了一种更为精确的技术方法。
海流在全球气候调节中具有重要作用。合成孔径雷达(SAR)凭借其对海表多普勒频移的观测能力，为高分辨率海流探测提供了有效的数据支撑。然而，SAR多普勒频移含有多种贡献项，要从中准确反演海流，需要进行非地球物理校正，并准确估算风-浪致多普勒频移的贡献。该研究基于Sentinel-1 SAR多普勒频移观测数据，在完成精确的非地球物理校正后，构建了经粒子群算法优化的BPNN与XGBoost模型描述SAR风-浪致多普勒频移与海面风-浪参数间的非线性映射关系，并通过系统对比评估确定了性能更优的模型，实现了海流流速的高精度反演。结果表明，与BPNN模型相比，XGBoost模型在性能上实现了显著提升。XGBoost模型估计的多普勒频移均方根误差(RMSE)约为4.043 Hz，较BPNN模型降低了2.898 Hz；与HYCOM海流相比，XGBoost模型反演海流的RMSE约为0.202 m/s，较BPNN模型降低了0.122 m/s；与HF雷达观测流速对比，XGBoost模型反演海流的RMSE为0.21 m/s，较BPNN降低了16%。该研究为星载SAR海流反演提供了一种更为精确的技术方法。
- 首页
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页
- 末页
- 共:5页
微信 | 公众平台 
